
# # Installer la bibliothèque xlrd pour lire les fichiers excel de type "xls"
# !pip install xlrd

# # Installer la bibliothèque shap pour réaliser l'analyse locale des variables
# !pip install shap


# Importation des bibliothèques nécessaires
import numpy as np
import pandas as pd
import plotly.express as px
import seaborn as sns
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')
from sklearn.impute import SimpleImputer
from sklearn.decomposition import PCA
from sklearn.feature_selection import RFECV
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.model_selection import cross_val_predict
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import f1_score
from sklearn.linear_model import LogisticRegression
from sklearn import svm
from sklearn.svm import SVC
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier, GradientBoostingClassifier
from sklearn.metrics import roc_curve, auc
from sklearn.inspection import permutation_importance
from sklearn.metrics import classification_report


# Charger les donnees
resultat_2020=pd.read_csv("data/2020_US_County_Level_Presidential_Results.csv")
historique_presidentielle=pd.read_csv("data/US_County_Level_Presidential_Results_08-16.csv")
education=pd.read_excel("data/Education.xls", sheet_name="Education 1970 to 2019")
population=pd.read_excel("data/PopulationEstimates.xls", sheet_name="Population Estimates 2010-19")
chomage=pd.read_excel("data/Unemployment.xls", sheet_name="Unemployment Med HH Income")
pauvrete=pd.read_excel("data/PovertyEstimates.xls", sheet_name="Poverty Data 2019")


# Affichez les dimensions du jeu de données resultat_2020
print(f"Le jeu de données a {resultat_2020.shape[0]} lignes et {resultat_2020.shape[1]} colonnes")

# Affichez les 5 premières lignes
resultat_2020.head(5)

Le jeu de données a 3152 lignes et 10 colonnes


#afficher les info du dataset
resultat_2020.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3152 entries, 0 to 3151
Data columns (total 10 columns):
 #   Column          Non-Null Count  Dtype  
---  ------          --------------  -----  
 0   state_name      3152 non-null   object 
 1   county_fips     3152 non-null   int64  
 2   county_name     3152 non-null   object 
 3   votes_gop       3152 non-null   int64  
 4   votes_dem       3152 non-null   int64  
 5   total_votes     3152 non-null   int64  
 6   diff            3152 non-null   int64  
 7   per_gop         3152 non-null   float64
 8   per_dem         3152 non-null   float64
 9   per_point_diff  3152 non-null   float64
dtypes: float64(3), int64(5), object(2)
memory usage: 246.4+ KB


# verification valeur manquante
resultat_2020.isna().any()

state_name        False
county_fips       False
county_name       False
votes_gop         False
votes_dem         False
total_votes       False
diff              False
per_gop           False
per_dem           False
per_point_diff    False
dtype: bool


# verification de valeur dupliquée
resultat_2020.duplicated().any()

False


#fonction pour creer la variable cible en fonction du pourcentage de chaque partie
def recodage(x, y):
    if x>y:
        return 1
    else:
        return 0


#création de la variable cible
Target= pd.DataFrame(resultat_2020.apply(lambda row: recodage(row["votes_dem"], row["votes_gop"]), axis=1), columns=["Target"])

#  ajout de la variable "country_fips"
Target["county_fips"]= resultat_2020["county_fips"]

# afficher le dataset
Target


# Renommer la colonne 'colonne_initiale' en 'nouveau_nom_colonne'
education = education.rename(columns={'FIPS Code': 'county_fips'})

# Affichez les dimensions du jeu de données education
print(f"Le jeu de données a {education.shape[0]} lignes et {education.shape[1]} colonnes")

# Affichez les 5 premières lignes
education.head()

Le jeu de données a 3283 lignes et 47 colonnes


# Renommer la colonne 'colonne_initiale' en 'nouveau_nom_colonne'
population = population.rename(columns={'FIPStxt': 'county_fips'})

# Affichez les dimensions du jeu de données resultat_2020
print(f"Le jeu de données a {population.shape[0]} lignes et {population.shape[1]} colonnes")

# Affichez les 5 premières lignes
population.head(5)

Le jeu de données a 3273 lignes et 165 colonnes


# Renommer la colonne 'colonne_initiale' en 'nouveau_nom_colonne'
chomage = chomage.rename(columns={'fips_txt': 'county_fips'})

# Affichez les dimensions du jeu de données 
print(f"Le jeu de données a {chomage.shape[0]} lignes et {chomage.shape[1]} colonnes")

# Affichez les 5 premières lignes
chomage.head()

Le jeu de données a 3275 lignes et 88 colonnes


# Renommer la colonne 'colonne_initiale' en 'nouveau_nom_colonne'
pauvrete = pauvrete.rename(columns={'FIPStxt': 'county_fips'})

# Affichez les dimensions du jeu de données resultat_2020
print(f"Le jeu de données a {pauvrete.shape[0]} lignes et {pauvrete.shape[1]} colonnes")

# Affichez les 5 premières lignes
pauvrete.head()

Le jeu de données a 3193 lignes et 34 colonnes


# Concaténation des datasets en se basant sur la colonne 'county_fips'
data = pd.merge(education, population, on='county_fips')
data = pd.merge(data, chomage, on='county_fips')
data = pd.merge(data, pauvrete, on='county_fips')
data = pd.merge(data, Target, on='county_fips')


# Réinitialisation de l'index
data=data.reset_index(drop=True)

# Affichez les dimensions du jeu de données 
print(f"Le jeu de données a {data.shape[0]} lignes et {data.shape[1]} colonnes")

# Affichez les 5 premières lignes
data.head()

Le jeu de données a 3112 lignes et 332 colonnes


#afficher les info du dataset
data.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3112 entries, 0 to 3111
Columns: 332 entries, county_fips to Target
dtypes: float64(298), int64(26), object(8)
memory usage: 7.9+ MB


# voir le pourcentage de valeur manquante pour chaque variable
data.isna().sum()/len(data)*100

county_fips                          0.0
State_x                              0.0
Area name                            0.0
2003 Rural-urban Continuum Code      0.0
2003 Urban Influence Code            0.0
                                   ...  
CI90UB04_2019                      100.0
PCTPOV04_2019                      100.0
CI90LB04P_2019                     100.0
CI90UB04P_2019                     100.0
Target                               0.0
Length: 332, dtype: float64


# fonction pour obtenir la liste des variables ayant beaucoup de valeurs manquantes
def variables_manquantes(dataset, seuil):
    """
    Cette fonction parcourt un dataset et renvoie une liste des variables
    ayant un pourcentage de valeurs manquantes supérieur au seuil spécifié.
    
    Args:
    - dataset (DataFrame): Le dataset à analyser.
    - seuil (float): Le seuil de pourcentage de valeurs manquantes à partir duquel
                    une variable est considérée comme ayant beaucoup de valeurs manquantes.
                    
    Returns:
    - list: Une liste des noms de variables ayant beaucoup de valeurs manquantes.
    """
    variables_manquantes = []
    total_lignes = len(dataset)
    
    for colonne in dataset.columns:
        nb_valeurs_manquantes = dataset[colonne].isnull().sum()
        pourcentage_manquant = (nb_valeurs_manquantes / total_lignes) * 100
        
        if pourcentage_manquant > seuil:
            variables_manquantes.append(colonne)
    
    return variables_manquantes

# Appeler la fonction pour obtenir la liste des variables ayant beaucoup de valeurs manquantes
variables_manquantes_liste = variables_manquantes(data, 50)

# Afficher la liste des variables ayant beaucoup de valeurs manquantes
print("Variables avec beaucoup de valeurs manquantes : ", variables_manquantes_liste)

Variables avec beaucoup de valeurs manquantes :  ['POV04_2019', 'CI90LB04_2019', 'CI90UB04_2019', 'PCTPOV04_2019', 'CI90LB04P_2019', 'CI90UB04P_2019']


#suppression des colonnes ayant trop de valeur manquante
data.drop(variables_manquantes_liste,axis=1, inplace=True)
print(f"Le jeu de données a désormais {data.shape[0]} lignes et {data.shape[1]} colonnes")

Le jeu de données a désormais 3112 lignes et 326 colonnes


# Sélectionner uniquement les colonnes numériques
numeric_columns = data.select_dtypes(include=np.number)

# Initialisation de l'imputeur pour les valeurs numériques
imp_mean = SimpleImputer(missing_values=np.nan, strategy='median')

# Imputation sur les valeurs numériques
data[numeric_columns.columns] = imp_mean.fit_transform(numeric_columns)


#verification de valeur dupliquée
data.duplicated().any()

False


#création d'un mask pour selectionner les colonne numerique de mon dataset
mask = data.select_dtypes(exclude="object")

# Afficher un boxplot des variables pour detecter visuellement la presence d'un outlier
plt.figure(figsize=(30, 80))
sns.boxplot(data=mask, orient='h')
plt.title(' boxplot des variables')
plt.show()


# fontion pour voir les outliers dans un DataFrame
def show_possible_outliers(df, column):
    """
    Détecte les outliers dans une colonne numérique d'un DataFrame selon la méthode de l'IQR.

    Inputs :
    --------
    - df : DataFrame
    - column : Nom de la colonne numérique (str)

    Outputs :
    ---------
    Renvoie la liste des index des possibles outliers ainsi que les limite basse et haute

    """

    # 1er Quartile
    Q1 = np.nanpercentile(df[column], 25)

    # 3ème Quartile
    Q3 = np.nanpercentile(df[column], 75)

    # Inter-Quartile Range (IQR)
    IQR = Q3 - Q1

    # limites, basse & haute
    outer_fence = IQR * 1.5
    outer_lower = Q1 - outer_fence
    outer_upper = Q3 + outer_fence

    # Détection des outliers potentiels
    mask = (df[column] < outer_lower) | (df[column] > outer_upper)

    # Stockage de leurs indices
    possible_outlier_index = df[mask].index

    # Passage sous forme de list
    outliers_index = possible_outlier_index.tolist()

    return sorted(outliers_index), outer_lower, outer_upper

# Appel de la fonction pour détecter les outliers dans une colonne specifique
outliers_index, outer_lower, outer_upper = show_possible_outliers(data, "Less than a high school diploma, 1970")

# Définir l'option pour afficher toutes les colonnes
pd.set_option('display.max_columns', None)

# Afficher le DataFrame avec avec les index des valeurs aberrantes 
print(f"Le DataFrame avec les valeurs aberrantes d'une colonne specifique  :")
data.loc[outliers_index].head()

Le DataFrame avec les valeurs aberrantes d'une colonne specifique  :


# fontion pour les remplacer par les limites haute ou basse de la plage interquartile
def replace_possible_outliers(df, target_column):
    """
    Détecte les outliers dans chaque colonne numérique d'un DataFrame selon la méthode de l'IQR
    et les remplace par les limites haute ou basse de la plage interquartile.

    Inputs :
    --------
    - df : DataFrame
        Le DataFrame contenant les données, y compris la variable cible.
    - target_column : str
        Le nom de la colonne représentant la variable cible.

    Outputs :
    ---------
    Modifie le DataFrame en place.
    """
    for column in df.select_dtypes(include=np.number).columns:  
        # Ignorer la colonne de la variable cible
        if column == target_column:
            continue
        
        # Calcul des quartiles et de l'IQR
        Q1 = np.nanpercentile(df[column], 25)
        Q3 = np.nanpercentile(df[column], 75)
        IQR = Q3 - Q1

        # Calcul des limites haute et basse
        outer_fence = IQR * 1.5
        outer_lower = Q1 - outer_fence
        outer_upper = Q3 + outer_fence

        # Détection des outliers potentiels
        mask = (df[column] < outer_lower) | (df[column] > outer_upper)

        # Remplacement des outliers par les limites de l'IQR
        df.loc[mask, column] = np.where(df.loc[mask, column] > outer_upper, outer_upper, outer_lower)

# Traiter les outliers
replace_possible_outliers(data, "Target")


#création d'un mask pour selectionner les colonne numerique de mon dataset
mask = data.select_dtypes(exclude="object")

# Afficher un boxplot des variables pour detecter visuellement la presence d'un outlier
plt.figure(figsize=(30, 80))
sns.boxplot(data=mask, orient='h')
plt.title(' boxplot des variables')
plt.show()


# voir les variables catégorielles
mask = data.select_dtypes(include="object")
mask


#  supprimer les variables dupliquées
data.drop(["State_y","Area_Name","Stabr_x","area_name","Stabr_y","Area_name"], axis=1, inplace= True)


#fonction qui permet d'encoder toutes les variables catégorielles du DataFrame en faisant du label encoding
def encodage_df(x):
    for i in x.select_dtypes(include=["object"]).columns:
        x[i],_=pd.factorize(x[i])
        return encodage_df(x)

#afficher le nouveau dataset
encodage_df(data)


# Séparer les features et la cible
y = data["Target"]
X = data.drop("Target", axis=1)


# Initialisez le scaler pour standardisez nos variables
sc = StandardScaler()

# Normalisez les données avec la méthode fit_transform
X_normalise = sc.fit_transform(X)

# Contrôlez les dimension de X_normalise
print(f"Les dimensions de nos données centrées réduites : {X_normalise.shape}")

Les dimensions de nos données centrées réduites : (3112, 319)


# Réduction de dimensionnalité avec l'ACP
pca = PCA(0.90)
education_pca = pca.fit_transform(X_normalise)


# Affichage de la variance expliquée par chaque composante
explained_variance_ratio = pca.explained_variance_ratio_
print(f'Variance expliquée par les composantes principales : {explained_variance_ratio}')

Variance expliquée par les composantes principales : [0.49030714 0.10563136 0.06874754 0.05183324 0.02958843 0.02305642
 0.02080234 0.01349825 0.01197089 0.01158013 0.01038573 0.00898663
 0.00872313 0.00745133 0.00671932 0.00554828 0.00534259 0.00505536
 0.00484105 0.00471656 0.00439242 0.0040719 ]


# On affiche le cumul de la variance expliquée
for i in range(len(pca.explained_variance_ratio_)):
    if i == 0 :
        print(f"Le premier axe explique {sum(pca.explained_variance_ratio_[:i+1])*100:.2f}% de la variance totale")
    else :
        print(f"Les {i+1} premiers axe expliquent {sum(pca.explained_variance_ratio_[:i+1])*100:.2f}% de la variance totale")

Le premier axe explique 49.03% de la variance totale
Les 2 premiers axe expliquent 59.59% de la variance totale
Les 3 premiers axe expliquent 66.47% de la variance totale
Les 4 premiers axe expliquent 71.65% de la variance totale
Les 5 premiers axe expliquent 74.61% de la variance totale
Les 6 premiers axe expliquent 76.92% de la variance totale
Les 7 premiers axe expliquent 79.00% de la variance totale
Les 8 premiers axe expliquent 80.35% de la variance totale
Les 9 premiers axe expliquent 81.54% de la variance totale
Les 10 premiers axe expliquent 82.70% de la variance totale
Les 11 premiers axe expliquent 83.74% de la variance totale
Les 12 premiers axe expliquent 84.64% de la variance totale
Les 13 premiers axe expliquent 85.51% de la variance totale
Les 14 premiers axe expliquent 86.26% de la variance totale
Les 15 premiers axe expliquent 86.93% de la variance totale
Les 16 premiers axe expliquent 87.48% de la variance totale
Les 17 premiers axe expliquent 88.02% de la variance totale
Les 18 premiers axe expliquent 88.52% de la variance totale
Les 19 premiers axe expliquent 89.01% de la variance totale
Les 20 premiers axe expliquent 89.48% de la variance totale
Les 21 premiers axe expliquent 89.92% de la variance totale
Les 22 premiers axe expliquent 90.33% de la variance totale


# On stocke la contribution des valeurs propres
exp_var_pca = pca.explained_variance_ratio_*100

# On calcule la somme cumulée des valeurs propres
cum_sum_eigenvalues = np.cumsum(exp_var_pca)

# Visualiser la contribution des composantes
plt.bar(range(0,len(exp_var_pca)), exp_var_pca, alpha=0.5, align='center', color="#3b4859", label='Contribution à la variance')
plt.step(range(0,len(cum_sum_eigenvalues)), cum_sum_eigenvalues, c='#ff7373', where='mid',label='Variance expliquée cumulée')
plt.ylabel("Pourcentage d'inertie")
plt.xlabel('Index de nos composantes')
plt.legend(loc='best')
plt.tight_layout()
plt.show()


# Extraction des charges des variables pour chaque composante
loadings = pca.components_.T


# Affichage des charges des variables
loadings_df = pd.DataFrame(loadings, columns=[f'PC{i}' for i in range(1, pca.n_components_ + 1)], index=X.columns)
print('Charges des variables pour chaque composante principale:')
print(loadings_df)

Charges des variables pour chaque composante principale:
                                      PC1       PC2       PC3       PC4  \
county_fips                     -0.001663  0.019645 -0.006769  0.005787   
State_x                         -0.001350  0.018677 -0.007443  0.005454   
Area name                       -0.000057  0.018420  0.013312  0.003054   
2003 Rural-urban Continuum Code -0.059006  0.001097  0.021406  0.017422   
2003 Urban Influence Code       -0.052702  0.004409  0.033858  0.025513   
...                                   ...       ...       ...       ...   
CI90LB517P_2019                 -0.015150 -0.128463  0.030369 -0.086595   
CI90UB517P_2019                 -0.032119 -0.118766  0.024873 -0.087386   
MEDHHINC_2019                    0.042618  0.110472 -0.014535  0.039022   
CI90LBINC_2019                   0.047394  0.103026 -0.015598  0.039361   
CI90UBINC_2019                   0.037768  0.116223 -0.013473  0.038311   

                                      PC5       PC6       PC7       PC8  \
county_fips                     -0.017674 -0.024428 -0.056556 -0.002025   
State_x                         -0.018613 -0.025194 -0.057705 -0.001300   
Area name                       -0.027131 -0.008079 -0.037508  0.007944   
2003 Rural-urban Continuum Code -0.135318 -0.055541  0.119110 -0.026777   
2003 Urban Influence Code       -0.153254 -0.062182  0.147349 -0.021086   
...                                   ...       ...       ...       ...   
CI90LB517P_2019                 -0.080434 -0.031377 -0.033736  0.055094   
CI90UB517P_2019                 -0.085817 -0.027501 -0.032289  0.053170   
MEDHHINC_2019                    0.086656  0.057277  0.011159 -0.034036   
CI90LBINC_2019                   0.082963  0.054386  0.012775 -0.035623   
CI90UBINC_2019                   0.089130  0.059822  0.009268 -0.032415   

                                      PC9      PC10      PC11      PC12  \
county_fips                      0.146108 -0.026932  0.109607 -0.017356   
State_x                          0.145699 -0.028467  0.110187 -0.015763   
Area name                        0.108664 -0.022922  0.101310  0.009589   
2003 Rural-urban Continuum Code  0.003996 -0.040967 -0.120032  0.002506   
2003 Urban Influence Code        0.017888 -0.034360 -0.099967  0.021066   
...                                   ...       ...       ...       ...   
CI90LB517P_2019                 -0.088010 -0.030645  0.071310  0.021117   
CI90UB517P_2019                 -0.084171 -0.038521  0.066208  0.028167   
MEDHHINC_2019                    0.097297  0.003692 -0.038357  0.063816   
CI90LBINC_2019                   0.094441  0.004836 -0.037363  0.058825   
CI90UBINC_2019                   0.098984  0.002003 -0.038877  0.068950   

                                     PC13      PC14      PC15      PC16  \
county_fips                      0.417378  0.199928 -0.246540 -0.049930   
State_x                          0.419066  0.198969 -0.243861 -0.048137   
Area name                        0.331133  0.147777 -0.206022 -0.055225   
2003 Rural-urban Continuum Code  0.037559  0.023418  0.004520  0.009103   
2003 Urban Influence Code        0.026469  0.024051  0.023811  0.002813   
...                                   ...       ...       ...       ...   
CI90LB517P_2019                 -0.013862  0.001317  0.032315 -0.058745   
CI90UB517P_2019                 -0.019450 -0.000960  0.029014 -0.051368   
MEDHHINC_2019                    0.022472 -0.012574 -0.010881  0.048001   
CI90LBINC_2019                   0.021717 -0.011387 -0.013981  0.044689   
CI90UBINC_2019                   0.022437 -0.013003 -0.007960  0.050575   

                                     PC17      PC18      PC19      PC20  \
county_fips                     -0.149108  0.021940  0.011615 -0.007992   
State_x                         -0.147870  0.021922  0.012731 -0.007505   
Area name                       -0.114420  0.019022  0.053170  0.009150   
2003 Rural-urban Continuum Code  0.010397  0.002493 -0.022559  0.010825   
2003 Urban Influence Code        0.014223 -0.009987 -0.007084  0.014637   
...                                   ...       ...       ...       ...   
CI90LB517P_2019                 -0.056729  0.114841 -0.031638 -0.051949   
CI90UB517P_2019                 -0.067842  0.094914 -0.015314 -0.037751   
MEDHHINC_2019                    0.083480 -0.103188  0.024709  0.049296   
CI90LBINC_2019                   0.077791 -0.101046  0.022385  0.045577   
CI90UBINC_2019                   0.087531 -0.104662  0.026739  0.052315   

                                     PC21      PC22  
county_fips                     -0.050358 -0.001895  
State_x                         -0.048519 -0.001421  
Area name                       -0.011853 -0.025245  
2003 Rural-urban Continuum Code -0.002212 -0.002922  
2003 Urban Influence Code        0.002748  0.012253  
...                                   ...       ...  
CI90LB517P_2019                  0.032877  0.009231  
CI90UB517P_2019                  0.014150  0.000625  
MEDHHINC_2019                   -0.015326  0.005173  
CI90LBINC_2019                  -0.020932  0.001968  
CI90UBINC_2019                  -0.010707  0.007975  

[319 rows x 22 columns]


# Identification des variables réduites
variables_reduites = X.columns[np.argmax(np.abs(loadings), axis=0)]
print('Variables réduites :', variables_reduites)

Variables réduites : Index(['Civilian_labor_force_2017', 'Unemployment_rate_2014', 'R_birth_2016',
       'Percent of adults with a high school diploma only, 1970',
       '2013 Urban Influence Code', 'R_birth_2016',
       'Percent of adults completing some college or associate's degree, 2000',
       'RESIDUAL_2016', 'R_DOMESTIC_MIG_2012', 'RESIDUAL_2016',
       'Percent of adults completing some college (1-3 years), 1970',
       'Percent of adults with a high school diploma only, 1990', 'State_x',
       'R_DOMESTIC_MIG_2013', 'county_fips', 'R_DOMESTIC_MIG_2012',
       'R_DOMESTIC_MIG_2011', 'NET_MIG_2010', 'R_NET_MIG_2016',
       'R_NET_MIG_2014', 'NET_MIG_2010', 'R_NET_MIG_2015'],
      dtype='object')


# Afficher les features avec les variables réduites
X=X[variables_reduites]
print(f"Le jeu de données a {X.shape[0]} lignes et {X.shape[1]} colonnes")

# Affichez les 5 premières lignes
X.head()

Le jeu de données a 3112 lignes et 22 colonnes


 # Calcul de la matrice de corrélation entre les variables
correlation_matrix = X.corr()

# Graphique de matrice de corrélation
plt.figure(figsize=(15,15))
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', fmt=".2f", linewidths=.5)
plt.title('Matrice de Corrélation entre les Variables')
plt.show()


# Vérifier les variables dupliquées
duplicated_variables = X.columns[X.columns.duplicated()]

if len(duplicated_variables) > 0:
    print("Variables dupliquées trouvées:")
    print(duplicated_variables)
else:
    print("Aucune variable dupliquée trouvée.")

Variables dupliquées trouvées:
Index(['R_birth_2016', 'RESIDUAL_2016', 'R_DOMESTIC_MIG_2012', 'NET_MIG_2010'], dtype='object')


# supprimer les variables dupliquées
X.drop(duplicated_variables, axis=1, inplace=True)


 # Calcul de la matrice de corrélation entre les variables
correlation_matrix = X.corr()

# Afficher les paires de variables fortement corrélées
threshold = 0.8  # Choisissez le seuil de corrélation
correlated_pairs = []

for i in range(len(correlation_matrix.columns)):
    for j in range(i+1, len(correlation_matrix.columns)):
        if abs(correlation_matrix.iloc[i, j]) > threshold:
            pair = (correlation_matrix.columns[i], correlation_matrix.columns[j], correlation_matrix.iloc[i, j])
            correlated_pairs.append(pair)

if len(correlated_pairs) > 0:
    print("Paires de variables fortement corrélées:")
    for pair in correlated_pairs:
        print(f"{pair[0]} et {pair[1]} : {pair[2]}")
else:
    print("Aucune paire de variables fortement corrélées trouvée avec un seuil de corrélation de", threshold)

Paires de variables fortement corrélées:
State_x et county_fips : 0.9992542465269411


# supprimer la colonne "State_x"
X.drop(["State_x"],axis=1, inplace=True)
print("variable supprimer avec succes")

variable supprimer avec succes


# split des données en train et test
set_seed = 1204
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=set_seed)


# Définir et instancier le classifieur à entraîner (ici, une régression logistique)
estimator = LogisticRegression(random_state=set_seed)

# Instanciation de la RFECV()
rfecv_selector = RFECV(estimator=estimator,
                       min_features_to_select=10,
                       scoring='f1',
                       n_jobs=-1,
                       step=1,
                       cv=5
                      )

# Entraînez le modèle
rfecv_selector.fit(X_train, y_train)

RFECV(cv=5, estimator=LogisticRegression(random_state=1204),
      min_features_to_select=10, n_jobs=-1, scoring='f1')

RFECV(cv=5, estimator=LogisticRegression(random_state=1204),
      min_features_to_select=10, n_jobs=-1, scoring='f1')

LogisticRegression(random_state=1204)

LogisticRegression(random_state=1204)


# Représentation graphique AUC en fonction du nombre de variables, après RFECV.
mean_test_roc_auc = rfecv_selector.cv_results_["mean_test_score"]
n_features_selected = rfecv_selector.n_features_
min_features_to_select = rfecv_selector.min_features_to_select
n_features_in_rfecv = rfecv_selector.n_features_in_

fig = px.line(y=mean_test_roc_auc,
              x=range(min_features_to_select, min_features_to_select + len(mean_test_roc_auc)),
              labels={
                     "x": "Nombre de variables sélectionnées",
                     "y": "Score moyen de cross-validation"
              },
              title=f"Résultats RFECV avec {rfecv_selector.cv} k-fold"
             )
fig.add_vline(x=n_features_selected, line_width=3, line_dash="dash", line_color="#3b4859")
fig.add_vrect(x0=30, x1=n_features_in_rfecv, line_width=0, fillcolor="#ff7373", opacity=0.2)
fig.show()


# Récupérez l'ensemble des variables issues de RFECV et transformer là en liste
rfe_features = rfecv_selector.get_feature_names_out().tolist()
print(f"Variables sélectionnées avec une performance élevée: :\n{rfe_features}\n")

Variables sélectionnées avec une performance élevée: :
['Civilian_labor_force_2017', 'Unemployment_rate_2014', 'Percent of adults with a high school diploma only, 1970', '2013 Urban Influence Code', "Percent of adults completing some college or associate's degree, 2000", 'Percent of adults completing some college (1-3 years), 1970', 'Percent of adults with a high school diploma only, 1990', 'R_DOMESTIC_MIG_2013', 'R_DOMESTIC_MIG_2011', 'R_NET_MIG_2016', 'R_NET_MIG_2014', 'R_NET_MIG_2015']


# Afficher les Variables pré-sélecttionnées
X=X[rfe_features]
print(f"Le jeu de données a {X.shape[0]} lignes et {X.shape[1]} colonnes")

# Affichez les 5 premières lignes
X.head()

Le jeu de données a 3112 lignes et 12 colonnes


#  voir la description statistique pour le sous ensemble de donnees
X.describe()


#afficher la representation graphique de toutes les variables quantitative
quantitative_columns=X.select_dtypes(exclude=object).columns
for var in quantitative_columns:
    X[var].hist()
    plt.title('Histogramme de la variable ' + var )
    plt.xlabel(var)
    plt.ylabel('Frequency')
    plt.show()


# Afficher les graphiques deux à deux
sns.pairplot(X)
plt.show()


# Affichez les dimensions du jeu de données historique_presidentielle
print(f"Le jeu de données a {historique_presidentielle.shape[0]} lignes et {historique_presidentielle.shape[1]} colonnes")

# Affichez les 5 premières lignes
historique_presidentielle.head()

Le jeu de données a 3112 lignes et 14 colonnes


#afficher les info du dataset
historique_presidentielle.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3112 entries, 0 to 3111
Data columns (total 14 columns):
 #   Column      Non-Null Count  Dtype 
---  ------      --------------  ----- 
 0   fips_code   3112 non-null   int64 
 1   county      3112 non-null   object
 2   total_2008  3112 non-null   int64 
 3   dem_2008    3112 non-null   int64 
 4   gop_2008    3112 non-null   int64 
 5   oth_2008    3112 non-null   int64 
 6   total_2012  3112 non-null   int64 
 7   dem_2012    3112 non-null   int64 
 8   gop_2012    3112 non-null   int64 
 9   oth_2012    3112 non-null   int64 
 10  total_2016  3112 non-null   int64 
 11  dem_2016    3112 non-null   int64 
 12  gop_2016    3112 non-null   int64 
 13  oth_2016    3112 non-null   int64 
dtypes: int64(13), object(1)
memory usage: 340.5+ KB


# fonction permettant d'avoir d'avoir les resultas pour chaque année de 2008 à 2016 dans une variable 
def add_column(data, dem_col, gop_col, new_col_name):
    """
    Ajoute une nouvelle colonne à un DataFrame donné en utilisant une fonction de recodage
    basée sur les colonnes spécifiées contenant les votes démocrates et républicains.

    Args:
        data (pandas.DataFrame): Le DataFrame auquel ajouter la nouvelle colonne.
        dem_col (str): Le nom de la colonne contenant les votes démocrates.
        gop_col (str): Le nom de la colonne contenant les votes républicains.
        new_col_name (str, optional): Le nom de la nouvelle colonne à créer.

    Returns:
        pandas.DataFrame: Le DataFrame modifié avec la nouvelle colonne ajoutée.
    """
    data[new_col_name] = data.apply(lambda row: recodage(row[dem_col], row[gop_col]), axis=1)
    return data

# Utilisation de la fonction avec les noms de colonnes spécifiés
historique_presidentielle = add_column(historique_presidentielle,"dem_2008", "gop_2008", "resulat_2008")
historique_presidentielle = add_column(historique_presidentielle,"dem_2012", "gop_2012", "resulat_2012" )
historique_presidentielle = add_column(historique_presidentielle,"dem_2016", "gop_2016", "resulat_2016" )


# selection des variables créés
historique_presidentielle=historique_presidentielle[["resulat_2008","resulat_2012","resulat_2016"]]
historique_presidentielle.head()


def plot_countplots(data):
    """
    Affiche les countplots de toutes les variables d'un DataFrame donné avec des grilles.

    Args:
        data (pandas.DataFrame): Le DataFrame contenant les variables à visualiser.
    """
    # Définir le style de grille
    sns.set_style("whitegrid")
    
    # Récupérer les noms de toutes les colonnes du DataFrame
    columns = data.columns

    # Calculer le nombre de lignes et de colonnes pour la disposition des subplots
    n_cols = 3  # Nombre de subplots par ligne
    n_rows = (len(columns) - 1) // n_cols + 1  # Calcul du nombre de lignes nécessaires

    # Créer la disposition des subplots
    fig, axes = plt.subplots(n_rows, n_cols, figsize=(15, 5*n_rows))
    axes = axes.flatten()

    # Parcourir chaque colonne du DataFrame et tracer le countplot correspondant
    for i, col in enumerate(columns):
        ax = sns.countplot(data=data, x=col, ax=axes[i])
        ax.set_title("Vote populaire aux élections")
        
        # Définir les nouvelles étiquettes de l'axe des abscisses
        new_labels = ['Démocrate', 'Républicain']
        ax.set_xticklabels(new_labels)

    # Afficher les subplots
    plt.tight_layout()
    plt.show()

# Utilisation de la fonction pour afficher les countplots de toutes les variables
plot_countplots(historique_presidentielle)


# Afficher le nombre de valeurs des catégories de la variable cible 
sns.countplot(data, x="Target")
plt.title("Vote populaire aux élections de 2020")

# Maintenant, modifions les étiquettes de l'axe des abscisses
n_categories = len(data['Target'].unique())  

# Définir les nouvelles étiquettes de l'axe des abscisses
new_labels = ['Démocrate', 'Républicain']

# Modifier les étiquettes de l'axe des abscisses
plt.xticks(range(n_categories), new_labels)

# Afficher à nouveau le graphique avec les nouvelles étiquettes
plt.show()


#Affichez les features
X.head()


# affichez la target
y.value_counts(normalize=True)

Target
0.0    0.827121
1.0    0.172879
Name: proportion, dtype: float64


# Divisez vos données en ensembles d'entraînement et de test
set_seed=1204
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=set_seed)

# Affichez les tailles des ensembles résultants
print("Taille de l'ensemble d'entraînement :", len(X_train))
print("Taille de l'ensemble de test :", len(X_test))

Taille de l'ensemble d'entraînement : 2489
Taille de l'ensemble de test : 623


# Fonction de suréchantillonnage de la classe minoritaire de mon dataset
def oversample_minority_class(X_train, y_train):
    # Concaténer X_train et y_train pour faciliter le suréchantillonnage
    train_data = pd.concat([X_train, y_train], axis=1)

    # Trouver la classe minoritaire
    class_counts = y_train.value_counts()
    minority_class_label = class_counts.idxmin()

    # Séparer les classes majoritaire et minoritaire
    majority_class = train_data[train_data[y_train.name] != minority_class_label]
    minority_class = train_data[train_data[y_train.name] == minority_class_label]

    # Déterminer le nombre d'échantillons de la classe majoritaire et minoritaire
    num_majority_samples = len(majority_class)
    num_minority_samples = len(minority_class)

    # Suréchantillonnage aléatoire de la classe minoritaire
    oversampled_minority = minority_class.sample(n=num_majority_samples, replace=True, random_state=set_seed)

    # Concaténer les échantillons suréchantillonnés avec les échantillons de la classe majoritaire
    oversampled_data = pd.concat([majority_class, oversampled_minority], axis=0)

    # Mélanger les données
    oversampled_data = oversampled_data.sample(frac=1, random_state=set_seed).reset_index(drop=True)

    # Séparer les features et les labels
    X_train_oversampled = oversampled_data.drop(columns=[y_train.name])
    y_train_oversampled = oversampled_data[y_train.name]

    return X_train_oversampled, y_train_oversampled

# Affichage des premières lignes du DataFrame avant suréchantillonnage
print("Avant suréchantillonnage:")
print(y_train.value_counts())

# Appliquer la fonction de suréchantillonnage
X_oversampled, y_oversampled = oversample_minority_class(X_train, y_train)

# Afficher les premières lignes du DataFrame suréchantillonné
print("\nAprès suréchantillonnage:")
print(y_oversampled.value_counts())

Avant suréchantillonnage:
Target
0.0    2056
1.0     433
Name: count, dtype: int64

Après suréchantillonnage:
Target
0.0    2056
1.0    2056
Name: count, dtype: int64


# Maintenant, divisez ensembles d'entraînement et de validation
X_train, X_val, y_train, y_val = train_test_split(X_oversampled, y_oversampled, test_size=0.2, random_state=set_seed)


# Affichez les tailles des ensembles résultants
print("Taille de l'ensemble d'entraînement :", len(X_train))
print("Taille de l'ensemble de validation :", len(X_val))
print("Taille de l'ensemble de test :", len(X_test))

Taille de l'ensemble d'entraînement : 3289
Taille de l'ensemble de validation : 823
Taille de l'ensemble de test : 623


# Définition des modèles
models = {
    "Logistic Regression": LogisticRegression(random_state=set_seed),
    "Linear SVM": SVC(kernel='linear', random_state=set_seed),
    "SVM with polynomial kernel": SVC(kernel='poly', random_state=set_seed),
    "Decision Tree": DecisionTreeClassifier(random_state=set_seed),
    "Random Forest": RandomForestClassifier(random_state=set_seed),
    "Gradient Boosting": GradientBoostingClassifier(random_state=set_seed)
}

# Initialisation de la pipeline pour chaque modèle
pipelines = {}
for name, model in models.items():
    pipelines[name] = Pipeline([
        ('scaler', StandardScaler()),  # Standardisation des features
        ('model', model)  # Modèle spécifique
    ])

# Entraînement et évaluation de chaque modèle
for name, pipeline in pipelines.items():
    print("Modèle :", name)
    # Entraînement du modèle
    pipeline.fit(X_train, y_train)
    # Prédiction sur l'ensemble de test
    y_pred = pipeline.predict(X_test)
    # Évaluation du modèle
    f1 = f1_score(y_test, y_pred, average="micro")
    print("Score F1 sur l'ensemble de test:", f1)
    print("\n")

Modèle : Logistic Regression
Score F1 sur l'ensemble de test: 0.7897271268057785


Modèle : Linear SVM
Score F1 sur l'ensemble de test: 0.8073836276083467


Modèle : SVM with polynomial kernel
Score F1 sur l'ensemble de test: 0.8459069020866774


Modèle : Decision Tree
Score F1 sur l'ensemble de test: 0.8426966292134831


Modèle : Random Forest
Score F1 sur l'ensemble de test: 0.8892455858747994


Modèle : Gradient Boosting
Score F1 sur l'ensemble de test: 0.8571428571428571


# Définition des grilles de recherche d'hyperparamètres pour chaque modèle
param_grids = {
    "Logistic Regression": {
        'classifier__C': [0.001, 0.01, 0.1, 1, 10, 100],
        'classifier__penalty': ['l1', 'l2'],
    },
    "SVM with polynomial kernel": {
        'classifier__C': [0.001, 0.01, 0.1, 1, 10, 100],
        'classifier__degree': [2, 3, 4],
    },
    "Random Forest": {
        'classifier__n_estimators': [100, 200, 300],
        'classifier__max_depth': [None, 10, 20, 30],
    },
    "Gradient Boosting": {
        "classifier__n_estimators": [50, 100, 200, 500],
        'classifier__learning_rate': [0.01, 0.1, 1, 10],
    }
}

# Initialisation des modèles avec les pipelines
models_to_tune = {
    "Logistic Regression": Pipeline([
        ('scaler', StandardScaler()),
        ('classifier', LogisticRegression(max_iter=1000, random_state=set_seed))
    ]),
    "SVM with polynomial kernel": Pipeline([
        ('scaler', StandardScaler()),
        ('classifier', SVC(kernel="poly", random_state=set_seed))
    ]),
    "Random Forest": Pipeline([
        ('scaler', StandardScaler()),
        ('classifier', RandomForestClassifier(random_state=set_seed))
    ]),
    "Gradient Boosting": Pipeline([
        ('scaler', StandardScaler()),
        ('classifier', GradientBoostingClassifier(random_state=set_seed))
    ])
}

# Recherche des meilleurs hyperparamètres pour chaque modèle
for model_name, model in models_to_tune.items():
    print(f"Tuning hyperparameters for {model_name}...")
    param_grid = param_grids[model_name]
    grid_search = GridSearchCV(model, param_grid, cv=5, n_jobs=1, scoring='f1_micro')
    grid_search.fit(X_val, y_val)
    print("Best parameters found:")
    print(grid_search.best_params_)
    print("Best score found:")
    print(grid_search.best_score_)
    print('\n')

Tuning hyperparameters for Logistic Regression...
Best parameters found:
{'classifier__C': 0.1, 'classifier__penalty': 'l2'}
Best score found:
0.80189948263119


Tuning hyperparameters for SVM with polynomial kernel...
Best parameters found:
{'classifier__C': 1, 'classifier__degree': 3}
Best score found:
0.8310790835181081


Tuning hyperparameters for Random Forest...
Best parameters found:
{'classifier__max_depth': None, 'classifier__n_estimators': 300}
Best score found:
0.8809386548410938


Tuning hyperparameters for Gradient Boosting...
Best parameters found:
{'classifier__learning_rate': 0.1, 'classifier__n_estimators': 500}
Best score found:
0.8736363636363637


# Créer une pipeline pour utiliser les meilleurs hyperparamètres trouvés le Random Forest
pipeline_rf = Pipeline([
    ('scaler', StandardScaler()),  # Étape de standardisation
    ('random_forest', RandomForestClassifier(max_depth=None, n_estimators=300, random_state=set_seed))
])

# Fusionnez l'ensemble d'entraînement initial et l'ensemble de validation pour les features
X_train_full = pd.concat([X_train, X_val], axis=0, ignore_index=True)

# Fusionnez l'ensemble d'entraînement initial et l'ensemble de validation pour les labels
y_train_full = pd.concat([y_train, y_val], axis=0, ignore_index=True)

# Entraîner le modèle sur l'ensemble d'entraînement complet
pipeline_rf.fit(X_train_full, y_train_full)

# Prédire les étiquettes sur l'ensemble de test
y_pred_rf = pipeline_rf.predict(X_test)

# Évaluer les performances du modèle sur l'ensemble de test avec le score F1
f1_rf = f1_score(y_test, y_pred_rf, average="micro")

print("Score F1 sur l'ensemble de test avec Random Forest:", f1_rf)

# Afficher le rapport de classification
print("Rapport de classification :")
print(classification_report(y_test, y_pred_rf))

Score F1 sur l'ensemble de test avec Random Forest: 0.8892455858747994
Rapport de classification :
              precision    recall  f1-score   support

         0.0       0.91      0.96      0.94       518
         1.0       0.74      0.53      0.62       105

    accuracy                           0.89       623
   macro avg       0.82      0.75      0.78       623
weighted avg       0.88      0.89      0.88       623


# Calcul des probabilités prédites pour la classe positive (classe 1)
y_score_rf = pipeline_rf.predict_proba(X_test)[:, 1]

# Calcul des taux de faux positifs (FPR) et des taux de vrais positifs (TPR) pour la courbe ROC
fpr_rf, tpr_rf, _ = roc_curve(y_test, y_score_rf)

# Calcul de l'aire sous la courbe ROC (AUC)
roc_auc_rf = auc(fpr_rf, tpr_rf)

# Tracé de la courbe ROC
plt.figure(figsize=(8, 6))
plt.plot(fpr_rf, tpr_rf, color='darkorange', lw=2, label='Courbe ROC (AUC = %0.2f)' % roc_auc_rf)
plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('Taux de faux positifs')
plt.ylabel('Taux de vrais positifs')
plt.title('Courbe ROC pour Random Forest')
plt.legend(loc="lower right")
plt.grid(True)
plt.show()


from sklearn.metrics import confusion_matrix

# Obtenir la matrice de confusion
conf_matrix = confusion_matrix(y_test, y_pred)

# Créer un heatmap avec Seaborn
sns.heatmap(conf_matrix, annot=True, fmt='d', cmap='Blues')

# Ajouter des étiquettes et un titre
plt.xlabel('Valeurs prédites')
plt.ylabel('Valeurs réelles')
plt.title('Matrice de confusion')

# Afficher le plot
plt.show()


# Calculer l'importance de permutation des variables pour le meilleur modèle
result = permutation_importance(pipeline, X_test, y_test, n_repeats=30, random_state=set_seed)

# Créer un DataFrame avec les variables et leurs importances de permutation
importance_df = pd.DataFrame({'Feature': X.columns, 'Importance': result.importances_mean})

# Trier le DataFrame par importance de permutation
importance_df = importance_df.sort_values(by='Importance', ascending=False)

# Réinitialiser les index du DataFrame
importance_df = importance_df.reset_index(drop=True)

# Afficher le DataFrame avec les variables et leurs importances de permutation
print(importance_df)

                                              Feature  Importance
0                           Civilian_labor_force_2017    0.054521
1   Percent of adults with a high school diploma o...    0.051953
2   Percent of adults completing some college (1-3...    0.029909
3   Percent of adults completing some college or a...    0.019048
4                           2013 Urban Influence Code    0.010219
5                              Unemployment_rate_2014    0.009470
6   Percent of adults with a high school diploma o...    0.006688
7                                      R_NET_MIG_2015    0.006421
8                                 R_DOMESTIC_MIG_2013    0.004869
9                                      R_NET_MIG_2014    0.004762
10                                R_DOMESTIC_MIG_2011    0.001445
11                                     R_NET_MIG_2016    0.000589


# Afficher les résultats
sorted_idx = result.importances_mean.argsort()
plt.figure(figsize=(10, 6))
plt.barh(range(len(sorted_idx)), result.importances_mean[sorted_idx], align='center')
plt.yticks(range(len(sorted_idx)), X.columns[sorted_idx])
plt.xlabel('Importance de permutation')
plt.title('Importance de permutation des variables')
plt.show()


 # Caractéristiques d'un exemple spécifique
i = 6 
X_test.values[i]

array([3756.        ,    9.2       ,   18.4       ,   12.        ,
         24.2       ,    8.        ,   31.7       ,   18.00604954,
         13.35543452,   24.23311774,   20.11557361,   18.11984212])


import shap

# Initialisation du Javascript
shap.initjs()

# Création de l'explainer SHAP
explainer_shap = shap.TreeExplainer(pipeline_rf.named_steps['random_forest'])

# Obtenir la valeur prédite du modèle
predicted_value = pipeline_rf.predict(X_test.values[i].reshape(1, -1))

# Afficher la valeur prédite du modèle
print("Valeur prédite du modèle:", predicted_value[0])

# Obtenir les valeurs SHAP pour un exemple spécifique
shap_values = explainer_shap.shap_values(X_test.values[i])

# Afficher les valeurs SHAP
shap.force_plot(explainer_shap.expected_value[1], shap_values[1], feature_names=X_train_full.columns)

Valeur prédite du modèle: 0.0

	state_name	county_fips	county_name	votes_gop	votes_dem	total_votes	diff	per_gop	per_dem	per_point_diff
0	Alabama	1001	Autauga County	19838	7503	27770	12335	0.714368	0.270184	0.444184
1	Alabama	1003	Baldwin County	83544	24578	109679	58966	0.761714	0.224090	0.537623
2	Alabama	1005	Barbour County	5622	4816	10518	806	0.534512	0.457882	0.076631
3	Alabama	1007	Bibb County	7525	1986	9595	5539	0.784263	0.206983	0.577280
4	Alabama	1009	Blount County	24711	2640	27588	22071	0.895716	0.095694	0.800022

	Target	county_fips
0	0	1001
1	0	1003
2	0	1005
3	0	1007
4	0	1009
...	...	...
3147	0	56037
3148	1	56039
3149	0	56041
3150	0	56043
3151	0	56045

	county_fips	State	Area name	2003 Rural-urban Continuum Code	2003 Urban Influence Code	2013 Rural-urban Continuum Code	2013 Urban Influence Code	Less than a high school diploma, 1970	High school diploma only, 1970	Some college (1-3 years), 1970	...	Percent of adults completing some college or associate's degree, 2000	Percent of adults with a bachelor's degree or higher, 2000	Less than a high school diploma, 2015-19	High school diploma only, 2015-19	Some college or associate's degree, 2015-19	Bachelor's degree or higher, 2015-19	Percent of adults with less than a high school diploma, 2015-19	Percent of adults with a high school diploma only, 2015-19	Percent of adults completing some college or associate's degree, 2015-19	Percent of adults with a bachelor's degree or higher, 2015-19
0	0	US	United States	NaN	NaN	NaN	NaN	52373312.0	34158051.0	11650730.0	...	27.4	24.4	26472261.0	59472748.0	63756905.0	70920162.0	11.998918	26.956844	28.898697	32.145542
1	1000	AL	Alabama	NaN	NaN	NaN	NaN	1062306.0	468269.0	136287.0	...	25.9	19.0	458922.0	1022839.0	993344.0	845772.0	13.819302	30.800268	29.912098	25.468332
2	1001	AL	Autauga County	2.0	2.0	2.0	2.0	6611.0	3757.0	933.0	...	26.9	18.0	4291.0	12551.0	10596.0	9929.0	11.483395	33.588459	28.356571	26.571573
3	1003	AL	Baldwin County	4.0	5.0	3.0	2.0	18726.0	8426.0	2334.0	...	29.3	23.1	13893.0	41797.0	47274.0	48148.0	9.193843	27.659616	31.284081	31.862459
4	1005	AL	Barbour County	6.0	6.0	6.0	6.0	8120.0	2242.0	581.0	...	21.3	10.9	4812.0	6396.0	4676.0	2080.0	26.786907	35.604542	26.029837	11.578713

	county_fips	State	Area_Name	Rural-urban_Continuum Code_2003	Rural-urban_Continuum Code_2013	Urban_Influence_Code_2003	Urban_Influence_Code_2013	Economic_typology_2015	CENSUS_2010_POP	ESTIMATES_BASE_2010	...	R_DOMESTIC_MIG_2019	R_NET_MIG_2011	R_NET_MIG_2012	R_NET_MIG_2013	R_NET_MIG_2014	R_NET_MIG_2015	R_NET_MIG_2016	R_NET_MIG_2017	R_NET_MIG_2018	R_NET_MIG_2019
0	0	US	United States	NaN	NaN	NaN	NaN	NaN	308745538	308758105	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
1	1000	AL	Alabama	NaN	NaN	NaN	NaN	NaN	4779736	4780125	...	1.917501	0.578434	1.186314	1.522549	0.563489	0.626357	0.745172	1.090366	1.773786	2.483744
2	1001	AL	Autauga County	2.0	2.0	2.0	2.0	0.0	54571	54597	...	4.847310	6.018182	-6.226119	-3.902226	1.970443	-1.712875	4.777171	0.849656	0.540916	4.560062
3	1003	AL	Baldwin County	4.0	3.0	5.0	2.0	5.0	182265	182265	...	24.017829	16.641870	17.488579	22.751474	20.184334	17.725964	21.279291	22.398256	24.727215	24.380567
4	1005	AL	Barbour County	6.0	6.0	6.0	6.0	3.0	27457	27455	...	-5.690302	0.292676	-6.897817	-8.132185	-5.140431	-15.724575	-18.238016	-24.998528	-8.754922	-5.165664

	county_fips	Stabr	area_name	Rural_urban_continuum_code_2013	Urban_influence_code_2013	Metro_2013	Civilian_labor_force_2000	Employed_2000	Unemployed_2000	Unemployment_rate_2000	...	Civilian_labor_force_2018	Employed_2018	Unemployed_2018	Unemployment_rate_2018	Civilian_labor_force_2019	Employed_2019	Unemployed_2019	Unemployment_rate_2019	Median_Household_Income_2019	Med_HH_Income_Percent_of_State_Total_2019
0	0	US	United States	NaN	NaN	NaN	142601667.0	136904680.0	5696987.0	3.995035	...	161389026.0	155102319.0	6286707.0	3.895375	163100055.0	157115247.0	5984808.0	3.669409	65712.0	NaN
1	1000	AL	Alabama	NaN	NaN	NaN	2133223.0	2035594.0	97629.0	4.600000	...	2216627.0	2130845.0	85782.0	3.900000	2241747.0	2174483.0	67264.0	3.000000	51771.0	100.000000
2	1001	AL	Autauga County, AL	2.0	2.0	1.0	21720.0	20846.0	874.0	4.000000	...	26196.0	25261.0	935.0	3.600000	26172.0	25458.0	714.0	2.700000	58233.0	112.481888
3	1003	AL	Baldwin County, AL	3.0	2.0	1.0	69533.0	66971.0	2562.0	3.700000	...	95233.0	91809.0	3424.0	3.600000	97328.0	94675.0	2653.0	2.700000	59871.0	115.645828
4	1005	AL	Barbour County, AL	6.0	6.0	0.0	11373.0	10748.0	625.0	5.500000	...	8414.0	7987.0	427.0	5.100000	8537.0	8213.0	324.0	3.800000	35972.0	69.482918

Description du projet¶

1. Constituer les données¶

Création de la target¶

Création du dataframe exploitable "data"¶

Education¶

Population¶

Chômage¶

Pauvrete¶

data¶

¶

2. Analyse Exploratoire¶

Implementer une ACP pour reduire la dimensionalité¶

Implementation RFE¶

Comparons les resultats des éléctions de 2008 à 2016 à ceux de 2020¶

¶

3. Modélisation¶

Analyse Globale des variables¶

Analyse Locale des variables¶

	county_fips	Stabr	Area_name	Rural-urban_Continuum_Code_2003	Urban_Influence_Code_2003	Rural-urban_Continuum_Code_2013	Urban_Influence_Code_2013	POVALL_2019	CI90LBALL_2019	CI90UBALL_2019	...	CI90UB517P_2019	MEDHHINC_2019	CI90LBINC_2019	CI90UBINC_2019	POV04_2019	CI90LB04_2019	CI90UB04_2019	PCTPOV04_2019	CI90LB04P_2019	CI90UB04P_2019
0	0	US	United States	NaN	NaN	NaN	NaN	39490096	39248096	39732096	...	16.0	65712	65594	65830	3457689.0	3405854.0	3509524.0	18.2	17.9	18.5
1	1000	AL	Alabama	NaN	NaN	NaN	NaN	747478	730491	764465	...	21.6	51771	51179	52363	69236.0	65296.0	73176.0	24.2	22.8	25.6
2	1001	AL	Autauga County	2.0	2.0	2.0	2.0	6723	5517	7929	...	19.4	58233	52517	63949	NaN	NaN	NaN	NaN	NaN	NaN
3	1003	AL	Baldwin County	4.0	5.0	3.0	2.0	22360	18541	26179	...	17.2	59871	54593	65149	NaN	NaN	NaN	NaN	NaN	NaN
4	1005	AL	Barbour County	6.0	6.0	6.0	6.0	5909	4787	7031	...	49.0	35972	31822	40122	NaN	NaN	NaN	NaN	NaN	NaN

	county_fips	State_x	Area name	2003 Rural-urban Continuum Code	2003 Urban Influence Code	2013 Rural-urban Continuum Code	2013 Urban Influence Code	Less than a high school diploma, 1970	High school diploma only, 1970	Some college (1-3 years), 1970	Four years of college or higher, 1970	Percent of adults with less than a high school diploma, 1970	Percent of adults with a high school diploma only, 1970	Percent of adults completing some college (1-3 years), 1970	Percent of adults completing four years of college or higher, 1970	Less than a high school diploma, 1980	High school diploma only, 1980	Some college (1-3 years), 1980	Four years of college or higher, 1980	Percent of adults with less than a high school diploma, 1980	Percent of adults with a high school diploma only, 1980	Percent of adults completing some college (1-3 years), 1980	Percent of adults completing four years of college or higher, 1980	Less than a high school diploma, 1990	High school diploma only, 1990	Some college or associate's degree, 1990	Bachelor's degree or higher, 1990	Percent of adults with less than a high school diploma, 1990	Percent of adults with a high school diploma only, 1990	Percent of adults completing some college or associate's degree, 1990	Percent of adults with a bachelor's degree or higher, 1990	Less than a high school diploma, 2000	High school diploma only, 2000	Some college or associate's degree, 2000	Bachelor's degree or higher, 2000	Percent of adults with less than a high school diploma, 2000	Percent of adults with a high school diploma only, 2000	Percent of adults completing some college or associate's degree, 2000	Percent of adults with a bachelor's degree or higher, 2000	Less than a high school diploma, 2015-19	High school diploma only, 2015-19	Some college or associate's degree, 2015-19	Bachelor's degree or higher, 2015-19	Percent of adults with less than a high school diploma, 2015-19	Percent of adults with a high school diploma only, 2015-19	Percent of adults completing some college or associate's degree, 2015-19	Percent of adults with a bachelor's degree or higher, 2015-19	State_y	Area_Name	Rural-urban_Continuum Code_2003	Rural-urban_Continuum Code_2013	Urban_Influence_Code_2003_x	Urban_Influence_Code_2013_x	Economic_typology_2015	CENSUS_2010_POP	ESTIMATES_BASE_2010	POP_ESTIMATE_2010	POP_ESTIMATE_2011	POP_ESTIMATE_2012	POP_ESTIMATE_2013	POP_ESTIMATE_2014	POP_ESTIMATE_2015	POP_ESTIMATE_2016	POP_ESTIMATE_2017	POP_ESTIMATE_2018	POP_ESTIMATE_2019	N_POP_CHG_2010	N_POP_CHG_2011	N_POP_CHG_2012	N_POP_CHG_2013	N_POP_CHG_2014	N_POP_CHG_2015	N_POP_CHG_2016	N_POP_CHG_2017	N_POP_CHG_2018	N_POP_CHG_2019	Births_2010	Births_2011	Births_2012	Births_2013	Births_2014	Births_2015	Births_2016	Births_2017	Births_2018	Births_2019	Deaths_2010	Deaths_2011	Deaths_2012	Deaths_2013	Deaths_2014	Deaths_2015	Deaths_2016	Deaths_2017	Deaths_2018	Deaths_2019	NATURAL_INC_2010	NATURAL_INC_2011	NATURAL_INC_2012	NATURAL_INC_2013	NATURAL_INC_2014	NATURAL_INC_2015	NATURAL_INC_2016	NATURAL_INC_2017	NATURAL_INC_2018	NATURAL_INC_2019	INTERNATIONAL_MIG_2010	INTERNATIONAL_MIG_2011	INTERNATIONAL_MIG_2012	INTERNATIONAL_MIG_2013	INTERNATIONAL_MIG_2014	INTERNATIONAL_MIG_2015	INTERNATIONAL_MIG_2016	INTERNATIONAL_MIG_2017	INTERNATIONAL_MIG_2018	INTERNATIONAL_MIG_2019	DOMESTIC_MIG_2010	DOMESTIC_MIG_2011	DOMESTIC_MIG_2012	DOMESTIC_MIG_2013	DOMESTIC_MIG_2014	DOMESTIC_MIG_2015	DOMESTIC_MIG_2016	DOMESTIC_MIG_2017	DOMESTIC_MIG_2018	DOMESTIC_MIG_2019	NET_MIG_2010	NET_MIG_2011	NET_MIG_2012	NET_MIG_2013	NET_MIG_2014	NET_MIG_2015	NET_MIG_2016	NET_MIG_2017	NET_MIG_2018	NET_MIG_2019	RESIDUAL_2010	RESIDUAL_2011	RESIDUAL_2012	RESIDUAL_2013	RESIDUAL_2014	RESIDUAL_2015	RESIDUAL_2016	RESIDUAL_2017	RESIDUAL_2018	RESIDUAL_2019	GQ_ESTIMATES_BASE_2010	GQ_ESTIMATES_2010	GQ_ESTIMATES_2011	GQ_ESTIMATES_2012	GQ_ESTIMATES_2013	GQ_ESTIMATES_2014	GQ_ESTIMATES_2015	GQ_ESTIMATES_2016	GQ_ESTIMATES_2017	GQ_ESTIMATES_2018	GQ_ESTIMATES_2019	R_birth_2011	R_birth_2012	R_birth_2013	R_birth_2014	R_birth_2015	R_birth_2016	R_birth_2017	R_birth_2018	R_birth_2019	R_death_2011	R_death_2012	R_death_2013	R_death_2014	R_death_2015	R_death_2016	R_death_2017	R_death_2018	R_death_2019	R_NATURAL_INC_2011	R_NATURAL_INC_2012	R_NATURAL_INC_2013	R_NATURAL_INC_2014	R_NATURAL_INC_2015	R_NATURAL_INC_2016	R_NATURAL_INC_2017	R_NATURAL_INC_2018	R_NATURAL_INC_2019	R_INTERNATIONAL_MIG_2011	R_INTERNATIONAL_MIG_2012	R_INTERNATIONAL_MIG_2013	R_INTERNATIONAL_MIG_2014	R_INTERNATIONAL_MIG_2015	R_INTERNATIONAL_MIG_2016	R_INTERNATIONAL_MIG_2017	R_INTERNATIONAL_MIG_2018	R_INTERNATIONAL_MIG_2019	R_DOMESTIC_MIG_2011	R_DOMESTIC_MIG_2012	R_DOMESTIC_MIG_2013	R_DOMESTIC_MIG_2014	R_DOMESTIC_MIG_2015	R_DOMESTIC_MIG_2016	R_DOMESTIC_MIG_2017	R_DOMESTIC_MIG_2018	R_DOMESTIC_MIG_2019	R_NET_MIG_2011	R_NET_MIG_2012	R_NET_MIG_2013	R_NET_MIG_2014	R_NET_MIG_2015	R_NET_MIG_2016	R_NET_MIG_2017	R_NET_MIG_2018	R_NET_MIG_2019	Stabr_x	area_name	Rural_urban_continuum_code_2013	Urban_influence_code_2013	Metro_2013	Civilian_labor_force_2000	Employed_2000	Unemployed_2000	Unemployment_rate_2000	Civilian_labor_force_2001	Employed_2001	Unemployed_2001	Unemployment_rate_2001	Civilian_labor_force_2002	Employed_2002	Unemployed_2002	Unemployment_rate_2002	Civilian_labor_force_2003	Employed_2003	Unemployed_2003	Unemployment_rate_2003	Civilian_labor_force_2004	Employed_2004	Unemployed_2004	Unemployment_rate_2004	Civilian_labor_force_2005	Employed_2005	Unemployed_2005	Unemployment_rate_2005	Civilian_labor_force_2006	Employed_2006	Unemployed_2006	Unemployment_rate_2006	Civilian_labor_force_2007	Employed_2007	Unemployed_2007	Unemployment_rate_2007	Civilian_labor_force_2008	Employed_2008	Unemployed_2008	Unemployment_rate_2008	Civilian_labor_force_2009	Employed_2009	Unemployed_2009	Unemployment_rate_2009	Civilian_labor_force_2010	Employed_2010	Unemployed_2010	Unemployment_rate_2010	Civilian_labor_force_2011	Employed_2011	Unemployed_2011	Unemployment_rate_2011	Civilian_labor_force_2012	Employed_2012	Unemployed_2012	Unemployment_rate_2012	Civilian_labor_force_2013	Employed_2013	Unemployed_2013	Unemployment_rate_2013	Civilian_labor_force_2014	Employed_2014	Unemployed_2014	Unemployment_rate_2014	Civilian_labor_force_2015	Employed_2015	Unemployed_2015	Unemployment_rate_2015	Civilian_labor_force_2016	Employed_2016	Unemployed_2016	Unemployment_rate_2016	Civilian_labor_force_2017	Employed_2017	Unemployed_2017	Unemployment_rate_2017	Civilian_labor_force_2018	Employed_2018	Unemployed_2018	Unemployment_rate_2018	Civilian_labor_force_2019	Employed_2019	Unemployed_2019	Unemployment_rate_2019	Median_Household_Income_2019	Med_HH_Income_Percent_of_State_Total_2019	Stabr_y	Area_name	Rural-urban_Continuum_Code_2003	Urban_Influence_Code_2003_y	Rural-urban_Continuum_Code_2013	Urban_Influence_Code_2013_y	POVALL_2019	CI90LBALL_2019	CI90UBALL_2019	PCTPOVALL_2019	CI90LBALLP_2019	CI90UBALLP_2019	POV017_2019	CI90LB017_2019	CI90UB017_2019	PCTPOV017_2019	CI90LB017P_2019	CI90UB017P_2019	POV517_2019	CI90LB517_2019	CI90UB517_2019	PCTPOV517_2019	CI90LB517P_2019	CI90UB517P_2019	MEDHHINC_2019	CI90LBINC_2019	CI90UBINC_2019	Target
7	1015.0	AL	Calhoun County	3.0	2.0	3.0	2.0	30535.0	13804.0	3823.0	3921.0	58.6	26.5	7.3	7.5	28268.0	21411.0	8449.0	7213.0	43.3	32.8	12.9	11.0	23633.0	21711.0	16835.0	10266.0	32.6	30.0	23.2	14.2	19318.0	23856.0	19576.0	11265.0	26.1	32.2	26.4	15.2	12315.0	25940.0	26233.0	14620.0	15.567326	32.790615	33.160995	18.481064	AL	Calhoun County	3.0	3.0	2.0	2.0	4.0	118572.0	118526.0	118408.0	117744.0	117190.0	116471.0	115917.0	115469.0	114973.0	114710.0	114331.0	113605.0	-118.0	-664.0	-554.0	-719.0	-554.0	-448.0	-496.0	-263.0	-379.0	-726.0	318.0	1385.0	1356.0	1309.0	1315.0	1388.0	1382.0	1324.0	1299.0	1269.0	311.0	1325.0	1359.0	1410.0	1395.0	1455.0	1475.0	1393.0	1616.0	1532.0	7.0	60.0	-3.0	-101.0	-80.0	-67.0	-93.0	-69.0	-317.0	-263.0	-4.0	26.0	67.0	45.0	66.0	66.0	102.0	69.0	103.0	14.0	-113.0	-752.0	-606.0	-659.0	-534.0	-438.0	-502.0	-259.0	-159.0	-475.0	-117.0	-726.0	-539.0	-614.0	-468.0	-372.0	-400.0	-190.0	-56.0	-461.0	-8.0	2.0	-12.0	-4.0	-6.0	-9.0	-3.0	-4.0	-6.0	-2.0	2933.0	2933.0	2882.0	2958.0	2814.0	2798.0	2775.0	2761.0	2743.0	2830.0	2833.0	11.729733	11.543668	11.204266	11.317280	11.997269	11.994341	11.528933	11.342947	11.134704	11.221586	11.569207	12.068766	12.005783	12.576388	12.801486	12.129761	14.111011	13.442370	0.508147	-0.025539	-0.864500	-0.688504	-0.579119	-0.807145	-0.600828	-2.768063	-2.307665	0.220197	0.570373	0.385173	0.568016	0.570475	0.885255	0.600828	0.899402	0.122841	-6.368779	-5.158896	-5.640650	-4.595762	-3.785882	-4.356845	-2.255282	-1.388398	-4.167837	-6.148582	-4.588523	-5.255477	-4.027747	-3.215406	-3.471589	-1.654454	-0.488995	-4.044995	AL	Calhoun County, AL	3.0	2.0	1.0	52896.0	50223.0	2673.0	5.1	51578.0	48744.0	2834.0	5.5	51952.0	48851.0	3101.0	6.0	52817.0	49673.0	3144.0	6.0	54026.0	51065.0	2961.0	5.5	53955.0	51524.0	2431.0	4.5	54063.0	51872.0	2191.0	4.1	54861.0	52709.0	2152.0	3.9	54564.0	51468.0	3096.0	5.7	53925.0	47929.0	5996.0	11.1	51559.0	45699.0	5860.0	11.4	51268.0	45963.0	5305.0	10.3	49649.0	45252.0	4397.0	8.9	48405.0	44163.0	4242.0	8.8	47237.0	43467.0	3770.0	8.0	45995.0	42764.0	3231.0	7.0	46013.0	43016.0	2997.0	6.5	45950.0	43679.0	2271.0	4.9	46307.0	44191.0	2116.0	4.6	46209.0	44574.0	1635.0	3.5	47747.0	92.227310	AL	Calhoun County	3.0	2.0	3.0	2.0	18988.0	15924.0	22052.0	17.2	14.4	20.0	5878.0	4553.0	7203.0	24.6	19.1	30.1	3994.0	2992.0	4996.0	22.8	17.1	28.5	47747.0	44016.0	51478.0	0.0
27	1055.0	AL	Etowah County	3.0	2.0	3.0	2.0	31249.0	14834.0	3927.0	2765.0	59.2	28.1	7.4	5.2	27842.0	20344.0	8053.0	5491.0	45.1	33.0	13.0	8.9	23588.0	20194.0	15201.0	6689.0	35.9	30.7	23.1	10.2	18115.0	22531.0	19811.0	9372.0	25.9	32.3	28.4	13.4	11127.0	23668.0	24422.0	12815.0	15.447301	32.857620	33.904377	17.790705	AL	Etowah County	3.0	3.0	2.0	2.0	0.0	104430.0	104429.0	104459.0	104369.0	104278.0	103884.0	103399.0	102998.0	102855.0	103007.0	102611.0	102268.0	30.0	-90.0	-91.0	-394.0	-485.0	-401.0	-143.0	152.0	-396.0	-343.0	260.0	1251.0	1156.0	1146.0	1204.0	1155.0	1214.0	1230.0	1188.0	1175.0	287.0	1355.0	1408.0	1347.0	1386.0	1380.0	1407.0	1379.0	1464.0	1487.0	-27.0	-104.0	-252.0	-201.0	-182.0	-225.0	-193.0	-149.0	-276.0	-312.0	10.0	33.0	18.0	-7.0	15.0	38.0	63.0	29.0	37.0	37.0	60.0	-15.0	161.0	-169.0	-305.0	-204.0	-5.0	278.0	-154.0	-62.0	70.0	18.0	179.0	-176.0	-290.0	-166.0	58.0	307.0	-117.0	-25.0	-13.0	-4.0	-18.0	-17.0	-13.0	-10.0	-8.0	-6.0	-3.0	-6.0	2085.0	2085.0	2085.0	2085.0	2084.0	2085.0	2085.0	2085.0	2085.0	2086.0	2085.0	11.981152	11.080917	11.010655	11.616968	11.192023	11.794824	11.949753	11.555409	11.470185	12.977187	13.496480	12.941843	13.373021	13.372287	13.669949	13.397324	14.239998	14.515885	-0.996035	-2.415563	-1.931188	-1.756053	-2.180264	-1.875124	-1.447572	-2.684590	-3.045700	0.316050	0.172540	-0.067255	0.144730	0.368222	0.612087	0.281742	0.359891	0.361189	-0.143659	1.543276	-1.623735	-2.942837	-1.976773	-0.048578	2.700838	-1.497923	-0.605235	0.172391	1.715817	-1.690991	-2.798107	-1.608551	0.563509	2.982581	-1.138033	-0.244046	AL	Etowah County, AL	3.0	2.0	1.0	48177.0	45380.0	2797.0	5.8	46764.0	43689.0	3075.0	6.6	46892.0	43899.0	2993.0	6.4	46388.0	43351.0	3037.0	6.5	47170.0	44143.0	3027.0	6.4	46762.0	44542.0	2220.0	4.7	46521.0	44546.0	1975.0	4.2	45459.0	43431.0	2028.0	4.5	45727.0	42995.0	2732.0	6.0	44993.0	39838.0	5155.0	11.5	44000.0	39193.0	4807.0	10.9	44722.0	40238.0	4484.0	10.0	44232.0	40589.0	3643.0	8.2	43862.0	40538.0	3324.0	7.6	43719.0	40639.0	3080.0	7.0	42767.0	40126.0	2641.0	6.2	43451.0	40892.0	2559.0	5.9	43233.0	41251.0	1982.0	4.6	43252.0	41502.0	1750.0	4.0	42723.0	41295.0	1428.0	3.3	43047.0	83.148865	AL	Etowah County	3.0	2.0	3.0	2.0	18801.0	16286.0	21316.0	18.8	16.3	21.3	5754.0	4606.0	6902.0	27.0	21.6	32.4	3945.0	2988.0	4902.0	25.6	19.4	31.8	43047.0	39460.0	46634.0	0.0
36	1073.0	AL	Jefferson County	1.0	1.0	1.0	1.0	186882.0	101656.0	32182.0	33827.0	52.7	28.7	9.1	9.5	141531.0	132921.0	63342.0	63229.0	35.3	33.1	15.8	15.8	111325.0	120393.0	109272.0	84718.0	26.2	28.3	25.7	19.9	82950.0	121233.0	123142.0	106833.0	19.1	27.9	28.4	24.6	44684.0	118636.0	136299.0	150124.0	9.935452	26.378620	30.305975	33.379951	AL	Jefferson County	1.0	1.0	1.0	1.0	0.0	658466.0	658567.0	658215.0	658109.0	658061.0	659265.0	659972.0	660455.0	660343.0	659599.0	659429.0	658573.0	-352.0	-106.0	-48.0	1204.0	707.0	483.0	-112.0	-744.0	-170.0	-856.0	2105.0	8831.0	9008.0	8838.0	8657.0	8994.0	8729.0	8531.0	8662.0	8422.0	1585.0	6895.0	6738.0	7057.0	6854.0	7212.0	7016.0	7201.0	7436.0	7343.0	520.0	1936.0	2270.0	1781.0	1803.0	1782.0	1713.0	1330.0	1226.0	1079.0	98.0	774.0	671.0	760.0	520.0	668.0	843.0	399.0	453.0	460.0	-965.0	-2812.0	-2920.0	-1226.0	-1488.0	-1896.0	-2639.0	-2441.0	-1827.0	-2375.0	-867.0	-2038.0	-2249.0	-466.0	-968.0	-1228.0	-1796.0	-2042.0	-1374.0	-1915.0	-5.0	-4.0	-69.0	-111.0	-128.0	-71.0	-29.0	-32.0	-22.0	-20.0	15774.0	15775.0	15753.0	15805.0	16009.0	16023.0	16360.0	16612.0	16696.0	16651.0	16663.0	13.417669	13.688201	13.418091	13.124253	13.622866	13.217767	12.926326	13.133914	12.779950	10.476144	10.238799	10.714128	10.390855	10.923739	10.623880	10.911085	11.274969	11.142623	2.941525	3.449402	2.703962	2.733398	2.699127	2.593886	2.015240	1.858945	1.637327	1.176002	1.019625	1.153853	0.788334	1.011794	1.276501	0.604572	0.686869	0.698026	-4.272504	-4.437117	-1.861346	-2.255849	-2.871798	-3.996069	-3.698647	-2.770222	-3.603940	-3.096502	-3.417492	-0.707494	-1.467515	-1.860004	-2.719568	-3.094075	-2.083352	-2.905914	AL	Jefferson County, AL	1.0	1.0	1.0	329015.0	315985.0	13030.0	4.0	325883.0	311802.0	14081.0	4.3	322122.0	305378.0	16744.0	5.2	321042.0	303282.0	17760.0	5.5	320336.0	303284.0	17052.0	5.3	317359.0	303260.0	14099.0	4.4	316750.0	304027.0	12723.0	4.0	314739.0	302603.0	12136.0	3.9	311615.0	294792.0	16823.0	5.4	307018.0	274011.0	33007.0	10.8	318520.0	285627.0	32893.0	10.3	319652.0	289916.0	29736.0	9.3	316511.0	293020.0	23491.0	7.4	315405.0	294426.0	20979.0	6.7	312131.0	292505.0	19626.0	6.3	311481.0	293544.0	17937.0	5.8	312478.0	294630.0	17848.0	5.7	311481.0	298227.0	13254.0	4.3	315793.0	304248.0	11545.0	3.7	318755.0	309664.0	9091.0	2.9	54127.0	104.550812	AL	Jefferson County	1.0	1.0	1.0	1.0	104288.0	95487.0	113089.0	16.2	14.8	17.6	33205.0	28713.0	37697.0	22.5	19.4	25.6	22124.0	18668.0	25580.0	20.9	17.6	24.2	54127.0	51853.0	56401.0	1.0
44	1089.0	AL	Madison County	2.0	2.0	2.0	2.0	34090.0	28255.0	12537.0	17289.0	37.0	30.7	13.6	18.8	32899.0	34718.0	18930.0	23506.0	29.9	31.5	17.2	21.4	30211.0	35243.0	41361.0	46049.0	19.8	23.1	27.1	30.1	26308.0	39591.0	52676.0	61814.0	14.6	21.9	29.2	34.3	20562.0	51126.0	70137.0	105935.0	8.299160	20.635292	28.308443	42.757103	AL	Madison County	2.0	2.0	2.0	2.0	4.0	334811.0	334807.0	336095.0	339565.0	342730.0	346625.0	349796.0	352977.0	356729.0	361762.0	367004.0	372909.0	1288.0	3470.0	3165.0	3895.0	3171.0	3181.0	3752.0	5033.0	5242.0	5905.0	967.0	4250.0	4033.0	3999.0	4193.0	4206.0	4191.0	4242.0	4254.0	4242.0	600.0	2715.0	2576.0	2892.0	2701.0	3042.0	3110.0	3261.0	3288.0	3305.0	367.0	1535.0	1457.0	1107.0	1492.0	1164.0	1081.0	981.0	966.0	937.0	100.0	513.0	648.0	457.0	402.0	542.0	610.0	362.0	450.0	230.0	790.0	1424.0	1095.0	2324.0	1319.0	1506.0	2067.0	3687.0	3817.0	4721.0	890.0	1937.0	1743.0	2781.0	1721.0	2048.0	2677.0	4049.0	4267.0	4951.0	31.0	-2.0	-35.0	7.0	-42.0	-31.0	-6.0	3.0	9.0	17.0	8042.0	8046.0	7570.0	7530.0	7655.0	7778.0	8081.0	8102.0	8519.0	8937.0	8940.0	12.580292	11.821866	11.602150	12.041567	11.969726	11.810524	11.808081	11.674529	11.466213	8.036586	7.550986	8.390452	7.756802	8.657134	8.764192	9.077358	9.023473	8.933483	4.543705	4.270880	3.211698	4.284765	3.312592	3.046332	2.730723	2.651057	2.532730	1.518515	1.899472	1.325877	1.154474	1.542461	1.719022	1.007667	1.234964	0.621695	4.215138	3.209755	6.742535	3.787939	4.285879	5.824947	10.263177	10.475242	12.760960	5.733653	5.109227	8.068412	4.942413	5.828340	7.543969	11.270844	11.710206	13.382654	AL	Madison County, AL	2.0	2.0	1.0	148675.0	143415.0	5260.0	3.5	149678.0	143919.0	5759.0	3.8	149904.0	143021.0	6883.0	4.6	154255.0	146915.0	7340.0	4.8	157604.0	150260.0	7344.0	4.7	158767.0	153075.0	5692.0	3.6	161332.0	156018.0	5314.0	3.3	165286.0	160218.0	5068.0	3.1	168340.0	161326.0	7014.0	4.2	168887.0	155310.0	13577.0	8.0	169833.0	155656.0	14177.0	8.3	171726.0	157512.0	14214.0	8.3	170209.0	158399.0	11810.0	6.9	171363.0	160551.0	10812.0	6.3	170070.0	159573.0	10497.0	6.2	171217.0	161839.0	9378.0	5.5	174275.0	165388.0	8887.0	5.1	176562.0	169711.0	6851.0	3.9	181565.0	175352.0	6213.0	3.4	185219.0	180505.0	4714.0	2.5	68609.0	132.524002	AL	Madison County	2.0	2.0	2.0	2.0	41789.0	37046.0	46532.0	11.5	10.2	12.8	13373.0	11180.0	15566.0	16.8	14.0	19.6	8528.0	6722.0	10334.0	14.7	11.6	17.8	68609.0	64841.0	72377.0	0.0
48	1097.0	AL	Mobile County	2.0	2.0	2.0	2.0	92179.0	43792.0	12675.0	12072.0	57.4	27.2	7.9	7.5	77046.0	69871.0	29075.0	24926.0	38.3	34.8	14.5	12.4	69340.0	75114.0	51722.0	36078.0	29.9	32.3	22.3	15.5	58223.0	79822.0	65452.0	46625.0	23.3	31.9	26.2	18.6	37736.0	94715.0	81698.0	64689.0	13.533306	33.967751	29.299450	23.199492	AL	Mobile County	2.0	2.0	2.0	2.0	0.0	412992.0	413139.0	413315.0	413068.0	413816.0	413918.0	414149.0	414462.0	414945.0	414045.0	413908.0	413210.0	176.0	-247.0	748.0	102.0	231.0	313.0	483.0	-900.0	-137.0	-698.0	1345.0	5607.0	5677.0	5392.0	5654.0	5693.0	5588.0	5585.0	5543.0	5443.0	949.0	4130.0	4051.0	4375.0	4284.0	4148.0	4331.0	4434.0	4429.0	4576.0	396.0	1477.0	1626.0	1017.0	1370.0	1545.0	1257.0	1151.0	1114.0	867.0	122.0	597.0	688.0	588.0	457.0	567.0	605.0	385.0	440.0	266.0	-314.0	-2321.0	-1514.0	-1467.0	-1548.0	-1766.0	-1363.0	-2431.0	-1677.0	-1821.0	-192.0	-1724.0	-826.0	-879.0	-1091.0	-1199.0	-758.0	-2046.0	-1237.0	-1555.0	-28.0	0.0	-52.0	-36.0	-48.0	-33.0	-16.0	-5.0	-14.0	-10.0	6949.0	6949.0	6977.0	6982.0	7007.0	7064.0	7062.0	6965.0	6922.0	7390.0	7390.0	13.569979	13.731067	13.028340	13.655900	13.741068	13.474687	13.474228	13.389649	13.161363	9.995365	9.798230	10.571029	10.346989	10.011936	10.443606	10.697355	10.698675	11.064927	3.574614	3.932837	2.457311	3.308911	3.729132	3.031081	2.776873	2.690974	2.096436	1.444851	1.664079	1.420746	1.103775	1.368555	1.458874	0.928841	1.062862	0.643197	-5.617250	-3.661940	-3.544617	-3.738828	-4.262555	-3.286686	-5.864968	-4.050955	-4.403241	-4.172399	-1.997862	-2.123871	-2.635052	-2.894000	-1.827812	-4.936127	-2.988092	-3.760044	AL	Mobile County, AL	2.0	2.0	1.0	184951.0	175846.0	9105.0	4.9	183762.0	173439.0	10323.0	5.6	181590.0	169842.0	11748.0	6.5	180242.0	167696.0	12546.0	7.0	178915.0	167153.0	11762.0	6.6	180384.0	171439.0	8945.0	5.0	182019.0	174428.0	7591.0	4.2	184490.0	177096.0	7394.0	4.0	187266.0	176623.0	10643.0	5.7	186825.0	165725.0	21100.0	11.3	192730.0	170943.0	21787.0	11.3	193851.0	172971.0	20880.0	10.8	188626.0	171312.0	17314.0	9.2	187046.0	171088.0	15958.0	8.5	185318.0	170959.0	14359.0	7.7	187264.0	174405.0	12859.0	6.9	188542.0	176094.0	12448.0	6.6	187560.0	177819.0	9741.0	5.2	189004.0	180293.0	8711.0	4.6	189107.0	182083.0	7024.0	3.7	49492.0	95.597923	AL	Mobile County	2.0	2.0	2.0	2.0	71784.0	63651.0	79917.0	17.7	15.7	19.7	25003.0	21090.0	28916.0	26.4	22.3	30.5	16366.0	13238.0	19494.0	24.1	19.5	28.7	49492.0	47745.0	51239.0	0.0

	Civilian_labor_force_2017	Unemployment_rate_2014	R_birth_2016	Percent of adults with a high school diploma only, 1970	2013 Urban Influence Code	R_birth_2016	Percent of adults completing some college or associate's degree, 2000	RESIDUAL_2016	R_DOMESTIC_MIG_2012	RESIDUAL_2016	Percent of adults completing some college (1-3 years), 1970	Percent of adults with a high school diploma only, 1990	R_DOMESTIC_MIG_2013	county_fips	R_DOMESTIC_MIG_2012	R_DOMESTIC_MIG_2011	NET_MIG_2010	R_NET_MIG_2016	R_NET_MIG_2014	NET_MIG_2010	R_NET_MIG_2015
0	26075.000	5.8	12.097324	31.1	2.0	12.097324	26.9	-3.0	-5.971992	-3.0	7.7	32.0	-4.121042	1001.0	-5.971992	5.945455	123.5	4.777171	1.970443	123.5	-1.712875
1	71882.375	6.1	11.204755	26.7	2.0	11.204755	29.3	5.5	16.219674	5.5	7.4	31.8	18.006050	1003.0	16.219674	15.684259	123.5	21.279291	20.115574	123.5	17.725964
2	8349.000	10.5	10.597247	19.0	6.0	10.597247	21.3	2.0	-6.457531	2.0	4.9	27.1	-7.762540	1005.0	-6.457531	0.475598	-70.0	-18.238016	-5.140431	-70.0	-15.724575
3	8583.000	7.2	12.225372	19.4	1.0	12.225372	20.4	1.0	-4.624328	1.0	3.3	33.8	-6.683190	1007.0	-4.624328	-5.436808	-59.0	-0.708717	1.331144	-59.0	1.329817
4	24822.000	6.1	12.171796	22.7	1.0	12.171796	24.8	-2.0	-1.737016	-2.0	4.1	34.7	-1.128482	1009.0	-1.737016	0.487228	7.0	-1.391062	-2.049590	7.0	-1.338525

	Civilian_labor_force_2017	Unemployment_rate_2014	Percent of adults with a high school diploma only, 1970	2013 Urban Influence Code	Percent of adults completing some college or associate's degree, 2000	Percent of adults completing some college (1-3 years), 1970	Percent of adults with a high school diploma only, 1990	R_DOMESTIC_MIG_2013	R_DOMESTIC_MIG_2011	R_NET_MIG_2016	R_NET_MIG_2014	R_NET_MIG_2015
count	3112.000000	3112.000000	3112.000000	3112.000000	3112.000000	3112.000000	3112.000000	3112.000000	3112.000000	3112.000000	3112.000000	3112.000000
mean	22923.228591	6.179242	28.409030	5.224293	26.127988	8.903583	34.300739	-1.733496	-1.850067	-0.101350	-0.904376	-0.561907
std	24293.472284	2.099572	8.122363	3.472972	5.627673	3.552670	6.118798	8.630109	7.732892	10.504784	8.949476	9.550746
min	100.000000	1.200000	5.800000	1.000000	10.100000	0.000000	18.000000	-21.516192	-19.562411	-24.510364	-22.024474	-22.544480
25%	5003.000000	4.600000	21.900000	2.000000	22.100000	6.100000	30.300000	-6.695351	-6.246028	-6.231558	-6.221956	-6.005191
50%	11653.500000	6.000000	29.400000	5.000000	26.200000	8.600000	33.800000	-1.954317	-1.842191	-0.673901	-1.153278	-1.007086
75%	31754.750000	7.500000	35.000000	8.000000	30.100000	11.200000	38.500000	3.185209	2.631560	5.954312	4.313056	5.021001
max	71882.375000	11.850000	47.900000	12.000000	42.100000	18.850000	50.800000	18.006050	15.947943	24.233118	20.115574	21.560290

	fips_code	county	total_2008	dem_2008	gop_2008	oth_2008	total_2012	dem_2012	gop_2012	oth_2012	total_2016	dem_2016	gop_2016	oth_2016
0	26041	Delta County	19064	9974	8763	327	18043	8330	9533	180	18467	6431	11112	924
1	48295	Lipscomb County	1256	155	1093	8	1168	119	1044	5	1322	135	1159	28
2	1127	Walker County	28652	7420	20722	510	28497	6551	21633	313	29243	4486	24208	549
3	48389	Reeves County	3077	1606	1445	26	2867	1649	1185	33	3184	1659	1417	108
4	56017	Hot Springs County	2546	619	1834	93	2495	523	1894	78	2535	400	1939	196

	resulat_2008	resulat_2012	resulat_2016
0	1	0	0
1	0	0	0
2	0	0	0
3	1	1	1
4	0	0	0